CN109991852A - 具有磁滞特性的分数阶静电驱动微机电系统控制方法 - Google Patents

具有磁滞特性的分数阶静电驱动微机电系统控制方法 Download PDF

Info

Publication number
CN109991852A
CN109991852A CN201910316228.4A CN201910316228A CN109991852A CN 109991852 A CN109991852 A CN 109991852A CN 201910316228 A CN201910316228 A CN 201910316228A CN 109991852 A CN109991852 A CN 109991852A
Authority
CN
China
Prior art keywords
indicate
function
fractional order
hysteresis characteristic
micro electro
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910316228.4A
Other languages
English (en)
Other versions
CN109991852B (zh
Inventor
罗绍华
赵乐
张钧星
李少波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guizhou University
Original Assignee
Guizhou University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guizhou University filed Critical Guizhou University
Priority to CN201910316228.4A priority Critical patent/CN109991852B/zh
Publication of CN109991852A publication Critical patent/CN109991852A/zh
Application granted granted Critical
Publication of CN109991852B publication Critical patent/CN109991852B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance

Landscapes

  • Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了一种具有磁滞特性的分数阶静电驱动微机电系统控制方法，在考虑输入磁滞特性的情况下，建立该机电系统的数学模型，考虑系统不可测量变量、时变时滞项、不确定性、输出约束等，揭示该机电系统的混沌振荡现象，通过Lyapunov‑Krasovskii函数构建补偿系统状态中的时变时延，在backstepping的框架内提出了一种融合扩展状态观测器、切比雪夫神经网络、正切障碍函数和跟踪微分器的自适应稳定控制方案。本发明具有以下效果：加快求解速度，提高系统瞬态和稳态性能，放宽物理传感器的限制，减少计算工作量，简化控制器设计，取消对基函数中心和宽度的要求，降低对精确模型的依赖，提高传统一阶低通滤波器的精度，克服微分项的爆炸问题，保证输出约束条件不被违反。

Description

具有磁滞特性的分数阶静电驱动微机电系统控制方法
技术领域
本发明涉及分数阶静电驱动微机电系统，具体涉及一种具有磁滞特性的分数阶静电驱动微机电系统控制方法。
背景技术
目前，静电驱动微机电系统得到了快速发展。由于在滤波、阀门、电动微执行机构和探针显微镜等领域有着广阔的应用前景，研究静电驱动微机电系统变得非常有意义，同时一些研究者也做了一些有益的探索。随着对系统性能的要求越来越严格，其可持续发展面临着挑战。混沌振荡、输入磁滞、时滞、模型不确定性、不可测状态和输出约束等不利影响已成为一个棘手的问题，可能导致静电驱动微机电系统性能的崩溃。
关于静电驱动微机电系统的非线性动力学分析，已有大量文献报道。Batra等考虑vonKármán非线性和卡西米尔力，建立数学模型，进一步研究了预应力夹持椭圆静电驱动微板的振动和拉入失稳问题。Younis等分析了夹持式拱膜在直流静电力和交流谐波作用下的非线性动力学特性。Ouakad讨论了通过平面外静电边缘场电驱动的双夹持微梁的静态行为。但这些研究仅仅集中在整数阶静电驱动微机电系统上，没有考虑电介质的分数阶行为。同时，静电驱动微机电系统的混沌控制也存在一些零星的报道。Polo和Manuel推导了框架式悬挂陀螺仪的数学模型，提出了一种具有约束积分作用的PID控制器构成的反馈控制系统。为了控制机电换能器的混沌和共振行为，Balthazar等提出了一种利用傅立叶级数的反馈控制方案。Song和Sun研究了快速终端滑模控制(FTSMC)问题，抑制具有系统不确定性和外部干扰的静电驱动微机电系统的混沌运动。这些工作集中在精确模型的整数阶静电驱动微机电系统的稳定控制上，没有考虑系统面临的恶劣条件影响。
由于物理传感器的限制，一些状态变量是不可测量的。作为一种有效的工具，扩展状态观测器被用来在有限时间内估计不可测量的状态变量信号。物理故障、安全要求和传感器饱和等导致的状态约束的存在是不可避免的。在不采取措施的情况下输出约束问题可以破坏系统的稳定性。运动过程中存在的磁滞特性会影响系统性能，限制控制精度的提高。然而，以往研究集中在一类整数阶非线性系统上，忽略了系统的分数阶行为和非线性动力学。对于无匹配条件的分数阶非线性系统，自适应backstepping是一个很好的选择。然而，它因重复微分导致的项爆炸问题被受到广泛诟病。针对这一问题，一种基于低阶滤波器的动态面控制方案被提出，以抑制整数阶系统中导数函数项的激增。但是一阶滤波器的精度很差，因为它只有一个调节参数。
发明内容
本发明的目的在于，提供一种具有磁滞特性的分数阶静电驱动微机电系统控制方法。在考虑输入磁滞特性的情况下，建立分数阶静电驱动微机电系统的数学模型，考虑系统不可测量变量、时变时滞项、不确定性、输出约束等，揭示分数阶静电驱动微机电系统的混沌振荡现象，通过Lyapunov-Krasovskii函数构建补偿系统状态中的时变时延，在backstepping的框架内提出了一种融合扩展状态观测器、切比雪夫神经网络、正切障碍函数和跟踪微分器的自适应稳定控制方案，加快了控制算法求解速度，提高闭环非线性系统的瞬态和稳态等性能，扩展状态观测器放宽了对物理传感器的限制，具有单权重的切比雪夫神经网络减少了计算工作量，简化了控制器设计，切比雪夫神经网络取消了对基函数的中心和宽度的要求，降低了控制器设计对系统精确模型的过度依赖，跟踪微分器提高了传统一阶低通滤波器的精度，克服了虚拟控制持续微分导致微分项的爆炸问题，正切障碍李雅普诺夫函数保证输出约束条件不被违反。
本发明的技术方案：一种具有磁滞特性的分数阶静电驱动微机电系统控制方法，包括下述步骤：
a、在分数阶静电驱动微机电系统控制输入端增加具有磁滞特性的控制输入，建立分数阶静电驱动微机电系统的数学模型：
其中
me,w和Fex分别表示谐振器的有效质量、阻尼系数和驱动力，k1和k3表示线性和立方机械刚度，C0表示平行板执行器的电容，VAC表示交流电压，VDC表示偏置电压，ω表示交流电压的频率，ω0表示固有频率，u表示具有磁滞特性的控制输入，x1和x2分别表示梁位移和速度，C和α表示分数微积分领域中Caputo定义和分数阶值；
输入磁滞特性表示为：
其中u0＝u0(v0)，v表示迟滞的输入信号，ρhc,chc和Bhc为常数，并且chc＞Bhc；b、构建自适应稳定控制器；考虑不可测量变量、时变时滞项、不确定性和输出约束，在backstepping框架下结合切比雪夫神经网络、跟踪微分器和扩展状态观测器，通过Lyapunov-Krasovskii函数得到控制器的算法步骤为，
步骤1:定义约束ζ1＝aγ-dγ,存在关系式|s1(t)|＜ζ1，其中ζ1表示正定常数,s1(t)表示误差，aγ＞0，选择第一个Lyapunov-Krasovskii函数
在分数微积分领域中，对V1微分可得：
其中
虚拟控制被选择为
其中c1＞0；
将(22)代入(21)将得到
步骤2:引入变量
其中表示η2的估计值；
考虑第二个Lyapunov-Krasovskii函数
其中κ和γ2表示常数；
对V2分数阶微分导出
其中
调用假设2得到
存在
借助(19)、(27)和(28)，(26)可进一步推导
f2(·)属于高度复杂的项，系统参数易受到温度、干扰和重构滤波器的影响，运用切比雪夫神经网络估计不确定非线性项fcn(X)
fcn(X)＝Ψ*Tξ(X)+ε, (30)
其中ε表示神经网络近似误差，ξ(X)＝[1,T1(x1),…,Tn(x1),…,T1(xm),…,Tn(xm)]表示对于X＝[x1,…,xm]T∈Rm的切比雪夫多项式基函数，Ψ*表示最优权重向量，满足
其中Ti(xj),i＝1,…,n,j＝1,…,m表示切比雪夫多项式，n是切比雪夫多项式的阶次，ΩΨ和DX表示一组紧凑集的适当界限Ψ和X；此外，是上限；
α2涉及正切障碍函数项，很难直接得到α2的分数阶导数，为了解决控制器中微分项的爆炸问题，引入跟踪微分器将虚拟控制的导数估计为
其中φ(t)是跟踪微分器的输入信号，R和r表示设计参数；
利用(30)和(32)，(29)重写为
其中|chc|的边界是
设计控制输入和更新律为
其中c2＞0,m2＞0,a2＞0；
把(34)代入(33)，得到
上述的具有磁滞特性的分数阶静电驱动微机电系统控制方法，根据步骤a的数学模型，在控制器设计中采用正切障碍函数，正切障碍函数具有特点如下：
其中tan(·)表示正切函数，yoc表示输出约束；
代入步骤a的数学模型中，得到：
其中是一个时变延迟项，aγ＞0,C和α表示分数微积分领域中Caputo定义和分数阶值。
上述的具有磁滞特性的分数阶静电驱动微机电系统控制方法，分数导数中f(t)的Caputo定义表示为
其中表示gamma函数，n和f(n)(t)表示整数和f(t)的n阶导数；
定理1:对于连续函数f1*(t)和利用莱布尼兹分数阶微分规则推导出下列等式
其中
进一步推导
其中
如果函数被定义为
即可被称为Mittag-Leffler函数，其中σ表示一组复数，和δ是正常数；
对(11)进行拉普拉斯变换，得到
对于和下面的方程推导出来
当|σ|→∞,σ1≤|arg(σ)|≤π；
和如果满足，则存在以下不等式
其中σ2≤|arg(σ)|≤π,和B,|σ|≥0。
上述的具有磁滞特性的分数阶静电驱动微机电系统控制方法，分数阶扩展状态观测器设计为
其中bi,i＝1-3表示观测器参数；
观测值与实际值间的观测误差满足以下不等式
其中是xi的估计值；
假设1:有一个未知的正函数q2j满足
其中两个坐标变换选取为
其中xd表示参考信号，α2是虚拟控制，是s2(t)的估计值并且|xd|≤dγ；
假设2:当1≤i≤2,时变时滞项τ2(t)满足下列不等式
其中和表示已知常数。
有益效果：本发明的静电驱动微机电系统，在考虑输入磁滞特性的情况下，建立分数阶静电驱动微机电系统的数学模型，然后在考虑不可测量变量、时变时滞项、不确定性、输出约束等，在backstepping框架下结合切比雪夫神经网络、跟踪微分器和扩展状态观测器等，通过Lyapunov-Krasovskii函数得到控制器的算法。与现有技术相比，本发明具有如下优点：
1.在backstepping的框架内提出了一种融合扩展状态观测器、切比雪夫神经网络、正切障碍函数和跟踪微分器的自适应稳定控制方案，加快了控制算法求解速度，提高闭环非线性系统的瞬态和稳态等性能。
2.在自适应稳定控制方案中扩展状态观测器放宽了对物理传感器的限制，无需获取速度传感器的信号，具有单权重的切比雪夫神经网络减少了计算工作量，简化了控制器设计，同时相比RBF神经网络取消了对基函数的中心和宽度的要求，降低了控制器设计对系统精确模型的过度依赖。
3.跟踪微分器提高了传统一阶低通滤波器的精度，克服了虚拟控制持续微分导致微分项的爆炸问题。正切障碍李雅普诺夫函数保证输出约束条件不被违反，同时通过Lyapunov-Krasovskii函数构建补偿系统状态中的时变时延。
附图说明
图1是本发明的控制原理示意图；
图2是静电驱动微机电系统的示意图；
图3是v(t)＝khcsin2.3t的输入磁滞特性图；
图4是不同VAC下的混沌吸引子运动轨迹图；
图5是最大Lyapunov指数；
图6是分数阶静电驱动微机电系统的分岔图；
图7是不同交流电压下的跟踪性能；
图8是观测器x1和间的观测性能；
图9是不同参数γ值的跟踪误差；
图10是本发明方案和神经网络动态面控制(NDSC)方案的跟踪误差比较结果；
图11是本发明方案和神经网络动态面控制(NDSC)方案的控制输入比较结果。
具体实施方式
下面结合附图和实施例对本发明作进一步的说明，但并不作为对本发明限制的依据。
实施例一种具有磁滞特性的分数阶静电驱动微机电系统控制方法，包括下述步骤：
a、在分数阶静电驱动微机电系统控制输入端增加具有磁滞特性的控制输入，建立分数阶静电驱动微机电系统的数学模型：
其中
me,w和Fex分别表示谐振器的有效质量、阻尼系数和驱动力，k1和k3表示线性和立方机械刚度，C0表示平行板执行器的电容，VAC表示交流电压，VDC表示偏置电压，ω表示交流电压的频率，ω0表示固有频率，u表示具有磁滞特性的控制输入，x1和x2分别表示梁位移和速度，C和α表示分数微积分领域中Caputo定义和分数阶值；
输入磁滞特性表示为：
其中u0＝u0(v0)，v表示迟滞的输入信号，ρhc,chc和Bhc为常数，并且chc＞Bhc；
b、构建自适应稳定控制器；考虑不可测量变量、时变时滞项、不确定性和输出约束，在backstepping框架下结合切比雪夫神经网络、跟踪微分器和扩展状态观测器，通过Lyapunov-Krasovskii函数得到控制器的算法步骤为，
步骤1:定义约束ζ1＝aγ-dγ,存在关系式|s1(t)|＜ζ1，其中ζ1表示正定常数,s1(t)表示误差，aγ＞0，选择第一个Lyapunov-Krasovskii函数
在分数微积分领域中，对V1微分可得：
其中
虚拟控制被选择为
其中c1＞0；
将(22)代入(21)将得到
步骤2:引入变量
其中表示η2的估计值；
考虑第二个Lyapunov-Krasovskii函数
其中κ和γ2表示常数；
对V2分数阶微分导出
其中
调用假设2得到
存在
借助(19)、(27)和(28)，(26)可进一步推导
f2(·)属于高度复杂的项，系统参数易受到温度、干扰和重构滤波器的影响，运用切比雪夫神经网络估计不确定非线性项fcn(X)
fcn(X)＝Ψ*Tξ(X)+ε, (30)
其中ε表示神经网络近似误差，ξ(X)＝[1,T1(x1),…,Tn(x1),…,T1(xm),…,Tn(xm)]表示对于X＝[x1,…,xm]T∈Rm的切比雪夫多项式基函数，Ψ*表示最优权重向量，满足
其中Ti(xj),i＝1,…,n,j＝1,…,m表示切比雪夫多项式，n是切比雪夫多项式的阶次，ΩΨ和DX表示一组紧凑集的适当界限Ψ和X；此外，是上限；
α2涉及正切障碍函数项，很难直接得到α2的分数阶导数，为了解决控制器中微分项的爆炸问题，引入跟踪微分器将虚拟控制的导数估计为
其中φ(t)是跟踪微分器的输入信号，R和r表示设计参数；
利用(30)和(32)，(29)重写为
其中|chc|的边界是
设计控制输入和更新律为
其中c2＞0,m2＞0,a2＞0；
把(34)代入(33)，得到
根据步骤a的数学模型，在控制器设计中采用正切障碍函数，正切障碍函数具有特点如下：
其中tan(·)表示正切函数，yoc表示输出约束；
代入步骤a的数学模型中，得到：
其中是一个时变延迟项，aγ＞0,C和α表示分数微积分领域中Caputo定义和分数阶值。
分数导数中f(t)的Caputo定义表示为
其中表示gamma函数，n和f(n)(t)表示整数和f(t)的n阶导数；
定理1:对于连续函数f1 *(t)和利用莱布尼兹分数阶微分规则推导出下列等式
其中
进一步推导
其中
如果函数被定义为
即可被称为Mittag-Leffler函数，其中σ表示一组复数，和δ是正常数；
对(11)进行拉普拉斯变换，得到
对于和下面的方程推导出来
当|σ|→∞,σ1≤|arg(σ)|≤π；
和如果满足，则存在以下不等式
其中σ2≤|arg(σ)|≤π,和B,|σ|≥0。
分数阶扩展状态观测器设计为
其中bi,i＝1-3表示观测器参数；
观测值与实际值间的观测误差满足以下不等式
其中是xi的估计值；
假设1:有一个未知的正函数q2j满足
其中两个坐标变换选取为
其中xd表示参考信号，α2是虚拟控制，是s2(t)的估计值并且|xd|≤dγ；
假设2:当1≤i≤2,时变时滞项满足下列不等式
其中和表示已知常数。
以下是本发明控制方法的详细推导说明：
图1为本发明的控制原理图，图2为静电驱动微机电系统的示意图，其中采用具有单自由度的静电驱动微机电系统。静电驱动微机电系统由直流电(DC)、交流电(AC)、超静态梁谐振器和集成运算放大器组成。上电极通过振幅为VAC、频率为ω的交流电压产生静电驱动。谐振器电极位于平行间隙为d的上下电极间，在直流电压VDC处偏置，以获得谐振器运动产生的电容电流。底部电极获得包括运动电流和寄生电流在内的电容电流的读数。建立如下所示的具有阻尼和三次机械非线性的机械谐振器动力学系统方程：
其中me,w和Fex分别表示谐振器的有效质量、阻尼系数和驱动力，和分别表示x与梁位移相关的速度和加速度，k1和k3表示线性和立方机械刚度。
扩展驱动力Fex((1)的右侧)的表达式，得出
其中C0表示平行板执行器的电容，VAC表示交流电压，VDC表示偏置电压，ω表示交流电压的频率。
双固支梁的基本共振频率明显高于单固支梁。交流电压使系统具有驱动力。在直流电压下，发生静电激发。通过一系列变换，得出静电驱动微机电系统的数学模型为
其中
ω0表示固有频率，u表示具有磁滞特性的控制输入。
磁滞特性成为影响静电驱动微机电系统性能和精度的主要因素之一。在控制设计中忽略这一特性，可能导致不准确的结果，或进一步导致不可逆转的瘫痪。因此，有必要考虑这一特性。输入磁滞特性表示为
其中v表示迟滞的输入信号，ρhc,chc和Bhc都是常数，并且chc＞Bhc。
得到一个显式解
其中u0＝u0(v0)。
定理1:chc的符号直接决定磁滞特性的方向，chc决定磁滞特性的振幅。相应的图形结果如图3所示。
物理约束对静电驱动微机电系统在环境条件下会产生一定的负面影响。忽略输出约束，可能会发生安全和危险方面的不利结果。鉴于此，在控制器设计中采用了正切障碍函数。正切障碍函数具有特点
其中tan(·)表示正切函数，yoc表示输出约束。
考虑到电介质的分数阶行为、系统的时变延迟和动力学特性，将(5)和(6)代入(3)得到
其中是一个时变延迟项，aγ＞0,C和α表示分数微积分领域中Caputo定义和分数阶值的符号。
2.2混沌运动分析
为了揭示其机理，降低控制器设计的难度，分析分数阶静电驱动微机电系统的复杂动力学行为。图4显示了不同VAC下的混沌吸引子。图4(a)结果表明，当VAC＝0.007时，系统会发生瞬态混沌行为和规则运动。图4(b)结果表明，增加VAC到0.045，吸引子从左向右移动，发生较长的瞬态运动。图3的最后一幅图显示了同宿轨道的出现，相关振荡的振幅大于图3(a)-(b).
图5中绘制的最大Lyapunov指数为正值。很明显，分数阶静电驱动微机电系统的状态被称为“混沌振荡”。图6为分数阶静电驱动微机电系统在参数值范围内的分岔图。在开始时，系统运动是周期性的，并产生一个平衡点。当A增加到0.022，系统出现混沌振荡，并失稳。在第三阶段，系统运动跳出混沌状态，进入稳定状态。当A等于0.092，系统运动变为倍周期分岔，系统运动几乎立刻就陷入了混沌振荡。当A达到0.143，分岔发生了。在没有有效措施的情况下，混沌振荡会导致静电驱动微机电系统的性能恶化。
2.3数学基础
定义1：分数导数中f(t)的Caputo定义表示为
其中表示gamma函数，n和f(n)(t)表示整数和f(t)的n阶导数。
定理1:对于连续函数f1 *(t)和利用莱布尼兹分数阶微分规则推导出下列等式
其中
进一步推导
其中
如果函数被定义为
那它就被称为Mittag-Leffler函数，其中σ表示一组复数，和δ是正常数。
对(11)进行拉普拉斯变换，得到
对于和下面的方程推导出来
当|σ|→∞,σ1≤|arg(σ)|≤π.
和如果满足，则存在以下不等式
其中σ2≤|arg(σ)|≤π,和B,|σ|≥0.
自适应稳定控制器的设计
3.1观测器设计
为了获得不可测量变量的信息，将分数阶扩展状态观测器设计为
其中bi,i＝1-3表示观测器参数。
观测值与实际值间的观测误差满足以下不等式
其中是xi的估计值。
假设1:有一个未知的正函数q2j满足
其中两个坐标变换选取为
其中xd表示参考信号，α2是虚拟控制，是s2(t)的估计值并且|xd|≤dγ。
假设2:当1≤i≤2,时变时滞项满足下列不等式
其中和表示已知常数。
3.2控制器设计
步骤1:定义约束ζ1＝aγ-dγ,存在关系式|s1(t)|＜ζ1，其中ζ1表示正定常数。选择第一个Lyapunov-Krasovskii函数
在分数微积分领域中，对V1微分可得：
其中
虚拟控制被选择为
其中c1＞0.
将(22)代入(21)将得到
步骤2:引入变量
其中表示η2的估计值。
考虑第二个Lyapunov-Krasovskii函数
其中κ和γ2表示常数。
对V2分数阶微分导出
其中
调用假设2得到
存在
借助(19)、(27)和(28)，(26)可进一步推导
注意f2(·)属于高度复杂的项。系统参数易受到温度、干扰和重构滤波器的影响。因此，很难实现精确建模和精确测量。同时，分数阶静电驱动微机电系统的混沌振荡对参数扰动非常敏感。此外，具有磁滞特性的控制输入含有复杂的非线性项，这使得传统的控制方法难以完成控制器的设计。
众所周知，切比雪夫神经网络可以以任何小的误差逼近非线性连续函数的能力。为解决上述问题，运用切比雪夫神经网络估计不确定非线性项fcn(X)
fcn(X)＝Ψ*Tξ(X)+ε, (30)
其中ε表示神经网络近似误差，ξ(X)＝[1,T1(x1),…,Tn(x1),…,T1(xm),…,Tn(xm)]表示对于X＝[x1,…,xm]T∈Rm的切比雪夫多项式基函数，Ψ*表示最优权重向量，满足
其中Ti(xj),i＝1,…,n,j＝1,…,m表示切比雪夫多项式，n是切比雪夫多项式的阶次，ΩΨ和DX表示一组紧凑集的适当界限Ψ和X。此外，是上限。
α2涉及正切障碍函数项，很难直接得到α2的分数阶导数。为了解决控制器中微分项的爆炸问题，引入跟踪微分器将虚拟控制的导数估计为
其中φ(t)是跟踪微分器的输入信号，R和r表示设计参数。
利用(30)和(32)，(29)重写为
其中chc|的边界是
设计控制输入和更新律为
其中c2＞0,m2＞0,a2＞0.
把(34)代入(33)，得到
3.3稳定性分析
定理1：对于具有输入磁滞、时滞、建模不确定性、输出约束和混沌振荡的静电驱动微机电系统(7)，自适应稳定控制方案(34)可以保证闭环系统的所有信号一致最终有界，同时通过选择参数，误差收敛到零附近的一个紧集，并且完全抑制不利影响。
证明：定义整个Lyapunov-Krasovskii函数
可以进一步转换为然后在分数微积分中微分V，得到
其中
(37)的拉普拉斯变换表示为
其中V(s)表示V(t)的拉普拉斯变换.
基于(12)和(38)，得到
|V(t)|≤|V(0)|Eα,1(-κβtα)+υβtαEα,1+α(-κβtα). (39)
对于(14)，有一个正常数Bβ满足
那么下列等式成立
对于任意Λ＞0，不等式可以推导出来
在(39)和(13)的帮助下，有
对于t2＞t，它有
调整后的参数满足后，由(39)、(42)和(44)得出：
|V(t)|≤Λ.(45)
此外，成立。s1(0)∈(-ζ1,ζ1)等于yoc(0)∈(-ζ1+xd(0),ζ1+xd(0))。基于dγ+xd≥0和-dγ+xd≤0这一事实，它很容易得到|yoc|＜aγ。最终得出，输出约束没有被违反。实验结果分析
迟滞特性的参数选择为αhc＝1,chc＝3，和Bhc＝0.345。参考信号采用xd＝0.11sin(2.3t)。时间延迟项为0.2+0.1sin(t)。自适应稳定控制器的参数选择为：c1＝9，c2＝9，γ2＝1,m2＝10，和a2＝5。扩展状态观测器的参数选择为b0＝b1＝9和b2＝7。跟踪微分器参数设置为R＝4和r＝3。另外，等于0.01。
图7(a)-(c)表明，在不同交流电压下，蓝色实线(代表参考信号)与红色虚线(代表实际信号)重合。图7(d)-(f)结果表明，参考信号与实际信号间的误差小于0.001。很明显，x1在磁滞特性和时间延迟的情况下能精确跟踪时变信号xd，同时系统的混沌运动得到了抑制。
图8揭示了分数阶扩展状态观测器的性能。扩展状态观测器能实现对输出信号精确估计。图9证明了在不同情况下，当γ发生变化时，静电驱动微机电系统具有稳定的跟踪性能。很明显，分数阶静电驱动微机电系统的五条跟踪误差曲线保持相当一致。这表示所提出的方法对于解决参数变化而导致系统性能稳定问题具有很大的作用。
为了显示所提方案的优越性，对静电驱动微机电系统执行了一个比较任务，忽略了输入磁滞、时间延迟和输出约束。基于神经网络动态面控制(NDSC)方案，给出其相应的具有自适应律的控制器
通过一阶滤波器，得到α2
其中
系统参数与前面描述的保持一致。控制器参数设置为ka1＝ka2＝6，γa2＝10，ma2＝1.6，然后，给出了跟踪误差和控制输入的比较结果在图10-11。通过曲线相比，所提方案具有较高的跟踪精度和较小的控制输入。因此，应用所提方案，分数阶静电驱动微机电系统具有更好的性能。

Claims (4)

1.一种具有磁滞特性的分数阶静电驱动微机电系统控制方法，其特征在于：包括下述步骤：
a、在分数阶静电驱动微机电系统控制输入端增加具有磁滞特性的控制输入，建立分数阶静电驱动微机电系统的数学模型：
其中
me,w和Fex分别表示谐振器的有效质量、阻尼系数和驱动力，k1和k3表示线性和立方机械刚度，C0表示平行板执行器的电容，VAC表示交流电压，VDC表示偏置电压，ω表示交流电压的频率，ω0表示固有频率，u表示具有磁滞特性的控制输入，x1和x2分别表示梁位移和速度，C和α表示分数微积分领域中Caputo定义和分数阶值；
输入磁滞特性表示为：
其中u0＝u0(v0)，v表示迟滞的输入信号，ρhc,chc和Bhc为常数，并且chc＞Bhc；
b、构建自适应稳定控制器；考虑不可测量变量、时变时滞项、不确定性和输出约束，在backstepping框架下结合切比雪夫神经网络、跟踪微分器和扩展状态观测器，通过Lyapunov-Krasovskii函数得到控制器的算法步骤为，
步骤1:定义约束ζ1＝aγ-dγ,存在关系式|s1(t)|＜ζ1，其中ζ1表示正定常数,s1(t)表示误差，aγ＞0，选择第一个Lyapunov-Krasovskii函数
在分数微积分领域中，对V1微分可得：
其中
虚拟控制被选择为
其中c1＞0；
将(22)代入(21)将得到
步骤2:引入变量
其中表示η2的估计值；
考虑第二个Lyapunov-Krasovskii函数
其中κ和γ2表示常数；
对V2分数阶微分导出
其中
调用假设2得到
存在
借助(19)、(27)和(28)，(26)可进一步推导
f2(·)属于高度复杂的项，系统参数γ,ρ,β,μ易受到温度、干扰和重构滤波器的影响，运用切比雪夫神经网络估计不确定非线性项fcn(X)
fcn(X)＝Ψ*Tξ(X)+ε, (30)
其中ε表示神经网络近似误差，ξ(X)＝[1,T1(x1),…,Tn(x1),…,T1(xm),…,Tn(xm)]表示对于X＝[x1,…,xm]T∈Rm的切比雪夫多项式基函数，Ψ*表示最优权重向量，满足
其中Ti(xj),i＝1,…,n,j＝1,…,m表示切比雪夫多项式，n是切比雪夫多项式的阶次，ΩΨ和DX表示一组紧凑集的适当界限Ψ和X；此外，是上限；
α2涉及正切障碍函数项，很难直接得到α2的分数阶导数，为了解决控制器中微分项的爆炸问题，引入跟踪微分器将虚拟控制的导数估计为
其中φ(t)是跟踪微分器的输入信号，R和r表示设计参数；
利用(30)和(32)，(29)重写为
其中|chc|的边界是
设计控制输入和更新律为
其中c2＞0,m2＞0,a2＞0；
把(34)代入(33)，得到
。
2.根据权利要求1所述的具有磁滞特性的分数阶静电驱动微机电系统控制方法，其特征在于：根据步骤a的数学模型，在控制器设计中采用正切障碍函数，正切障碍函数具有特点如下：
其中tan(·)表示正切函数，yoc表示输出约束；
代入步骤a的数学模型中，得到：
其中是一个时变延迟项，aγ＞0,C和α表示分数微积分领域中Caputo定义和分数阶值。
3.根据权利要求2所述的具有磁滞特性的分数阶静电驱动微机电系统控制方法，其特征在于：分数导数中f(t)的Caputo定义表示为
其中表示gamma函数，n和f(n)(t)表示整数和f(t)的n阶导数；
定理1:对于连续函数f1 *(t)和利用莱布尼兹分数阶微分规则推导出下列等式
其中
进一步推导
其中
如果函数被定义为
即可被称为Mittag-Leffler函数，其中σ表示一组复数，和δ是正常数；
对(11)进行拉普拉斯变换，得到
对于和下面的方程推导出来
当|σ|→∞,σ1≤|arg(σ)|≤π；
和如果满足，则存在以下不等式
其中σ2≤|arg(σ)|≤π,和B,|σ|≥0。
4.根据权利要求1所述的具有磁滞特性的分数阶静电驱动微机电系统控制方法，其特征在于：分数阶扩展状态观测器设计为
其中bi,i＝1-3表示观测器参数；
观测值与实际值间的观测误差满足以下不等式
其中是xi的估计值；
假设1:有一个未知的正函数q2j满足
其中两个坐标变换选取为
其中xd表示参考信号，α2是虚拟控制，是s2(t)的估计值并且|xd|≤dγ；
假设2:当1≤i≤2,时变时滞项τ2(t)满足下列不等式
0≤τ2(t)≤τu,
其中τu和表示已知常数。
CN201910316228.4A 2019-04-19 2019-04-19 具有磁滞特性的分数阶静电驱动微机电系统控制方法 Active CN109991852B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910316228.4A CN109991852B (zh) 2019-04-19 2019-04-19 具有磁滞特性的分数阶静电驱动微机电系统控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910316228.4A CN109991852B (zh) 2019-04-19 2019-04-19 具有磁滞特性的分数阶静电驱动微机电系统控制方法

Publications (2)

Publication Number Publication Date
CN109991852A true CN109991852A (zh) 2019-07-09
CN109991852B CN109991852B (zh) 2022-02-22

Family

ID=67134154

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910316228.4A Active CN109991852B (zh) 2019-04-19 2019-04-19 具有磁滞特性的分数阶静电驱动微机电系统控制方法

Country Status (1)

Country Link
CN (1) CN109991852B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110262253A (zh) * 2019-07-12 2019-09-20 淮阴工学院 分数阶混沌机电换能器系统的自适应backstepping最优控制方法
CN110501906A (zh) * 2019-08-30 2019-11-26 贵州大学 互耦分数阶混沌机电换能器加速自适应模糊控制方法
CN110794678A (zh) * 2019-11-05 2020-02-14 燕山大学 一种磁滞非线性受限下的四通道遥操作力反馈控制方法
CN112099345A (zh) * 2020-08-03 2020-12-18 广州大学 一种基于输入磁滞的模糊跟踪控制方法、系统及介质
CN112965383A (zh) * 2021-02-09 2021-06-15 重庆航天职业技术学院 单向耦合分数阶自持机电地震仪系统的自适应神经网络最优定时同步控制方法
CN113114156A (zh) * 2021-04-15 2021-07-13 贵州大学 Mems谐振器自适应混沌控制电路及方法
CN113204193A (zh) * 2021-05-06 2021-08-03 北京航空航天大学 飞行器故障容错控制方法、装置和电子设备
CN114660946A (zh) * 2022-05-09 2022-06-24 电子科技大学 一种时滞成型过程系统的模糊自适应动态面控制方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1999008267A1 (en) * 1997-08-07 1999-02-18 Seagate Technology, Inc. Disc drive with robust track following servo controller
CN1710383A (zh) * 2005-06-17 2005-12-21 东南大学 调谐式微机电陀螺
WO2013182901A1 (en) * 2012-06-07 2013-12-12 Actiwave Ab Non-linear control of loudspeakers
CN104460321A (zh) * 2014-12-15 2015-03-25 南京理工大学 一种含磁滞补偿的液压马达预设性能跟踪控制方法
CN105159069A (zh) * 2015-08-03 2015-12-16 北京理工大学 一种压电陶瓷作动器的位移控制方法
CN107479377A (zh) * 2017-08-03 2017-12-15 淮阴工学院 分数阶弧形微机电系统的自适应同步控制方法
CN108227504A (zh) * 2018-01-25 2018-06-29 河海大学常州校区 微陀螺分数阶自适应模糊神经反演终端滑模控制方法
CN108390606A (zh) * 2018-03-28 2018-08-10 淮阴工学院 一种基于动态面的永磁同步电机自适应滑模控制方法
CN108614419A (zh) * 2018-03-28 2018-10-02 贵州大学 一种弧形微机电系统的自适应神经网络控制方法
CN108775370A (zh) * 2018-06-15 2018-11-09 南京林业大学 一种磁流变阻尼器的磁滞补偿控制方法
CN109613826A (zh) * 2018-12-17 2019-04-12 重庆航天职业技术学院 一种分数阶拱形mems谐振器的反振荡自适应控制方法
CN109634116A (zh) * 2018-09-04 2019-04-16 贵州大学 一种分数阶机械式离心调速器系统的加速自适应稳定方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1999008267A1 (en) * 1997-08-07 1999-02-18 Seagate Technology, Inc. Disc drive with robust track following servo controller
CN1710383A (zh) * 2005-06-17 2005-12-21 东南大学 调谐式微机电陀螺
WO2013182901A1 (en) * 2012-06-07 2013-12-12 Actiwave Ab Non-linear control of loudspeakers
CN104460321A (zh) * 2014-12-15 2015-03-25 南京理工大学 一种含磁滞补偿的液压马达预设性能跟踪控制方法
CN105159069A (zh) * 2015-08-03 2015-12-16 北京理工大学 一种压电陶瓷作动器的位移控制方法
CN107479377A (zh) * 2017-08-03 2017-12-15 淮阴工学院 分数阶弧形微机电系统的自适应同步控制方法
CN108227504A (zh) * 2018-01-25 2018-06-29 河海大学常州校区 微陀螺分数阶自适应模糊神经反演终端滑模控制方法
CN108390606A (zh) * 2018-03-28 2018-08-10 淮阴工学院 一种基于动态面的永磁同步电机自适应滑模控制方法
CN108614419A (zh) * 2018-03-28 2018-10-02 贵州大学 一种弧形微机电系统的自适应神经网络控制方法
CN108775370A (zh) * 2018-06-15 2018-11-09 南京林业大学 一种磁流变阻尼器的磁滞补偿控制方法
CN109634116A (zh) * 2018-09-04 2019-04-16 贵州大学 一种分数阶机械式离心调速器系统的加速自适应稳定方法
CN109613826A (zh) * 2018-12-17 2019-04-12 重庆航天职业技术学院 一种分数阶拱形mems谐振器的反振荡自适应控制方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
SHAOHUA LUO AND YONGDUAN SONG: "Chaos Analysis-Based Adaptive Backstepping", 《IEEE》 *
SHAOHUA LUO，SHAOBO LI,: "Chaotic Behavior and Adaptive Control of the", 《IEEE》 *
SHAOHUA LUO，SHAOBO LI等: "Adaptive Synchronization of the Fractional-Order", 《IEEE》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110262253A (zh) * 2019-07-12 2019-09-20 淮阴工学院 分数阶混沌机电换能器系统的自适应backstepping最优控制方法
CN110262253B (zh) * 2019-07-12 2023-01-31 淮阴工学院 分数阶混沌机电换能器系统的自适应backstepping最优控制方法
CN110501906A (zh) * 2019-08-30 2019-11-26 贵州大学 互耦分数阶混沌机电换能器加速自适应模糊控制方法
CN110794678A (zh) * 2019-11-05 2020-02-14 燕山大学 一种磁滞非线性受限下的四通道遥操作力反馈控制方法
CN112099345A (zh) * 2020-08-03 2020-12-18 广州大学 一种基于输入磁滞的模糊跟踪控制方法、系统及介质
CN112099345B (zh) * 2020-08-03 2022-06-03 广州大学 一种基于输入磁滞的模糊跟踪控制方法、系统及介质
CN112965383A (zh) * 2021-02-09 2021-06-15 重庆航天职业技术学院 单向耦合分数阶自持机电地震仪系统的自适应神经网络最优定时同步控制方法
CN113114156A (zh) * 2021-04-15 2021-07-13 贵州大学 Mems谐振器自适应混沌控制电路及方法
CN113114156B (zh) * 2021-04-15 2022-08-02 贵州大学 Mems谐振器自适应混沌控制电路及方法
CN113204193A (zh) * 2021-05-06 2021-08-03 北京航空航天大学 飞行器故障容错控制方法、装置和电子设备
CN114660946A (zh) * 2022-05-09 2022-06-24 电子科技大学 一种时滞成型过程系统的模糊自适应动态面控制方法

Also Published As

Publication number Publication date
CN109991852B (zh) 2022-02-22

Similar Documents

Publication Publication Date Title
CN109991852A (zh) 具有磁滞特性的分数阶静电驱动微机电系统控制方法
Fei et al. Fractional-order finite-time super-twisting sliding mode control of micro gyroscope based on double-loop fuzzy neural network
CN109613826A (zh) 一种分数阶拱形mems谐振器的反振荡自适应控制方法
Jakovljević et al. Control of double-loop permanent magnet synchronous motor drives by optimized fractional and distributed-order PID controllers
CN110501906B (zh) 互耦分数阶混沌机电换能器加速自适应模糊控制方法
CN108599649A (zh) Pmsm位置伺服系统高阶对象控制器设计及参数确定方法
CN108459497A (zh) 一种基于adrc和nlpid的稳瞄伺服系统的控制方法
Dang et al. Neuro-fuzzy control of interior permanent magnet synchronous motors: Stability analysis and implementation
Favato et al. A model predictive control for synchronous motor drive with integral action
Xie et al. Sliding-mode disturbance observer-based control for fractional-order system with unknown disturbances
CN108768237A (zh) 一种基于状态空间的永磁电机比例谐振控制器设计方法
CN110323741B (zh) 基于录波曲线的电力系统低频振荡分析与抑制方法
Renuka et al. A tuned fuzzy based power system stabilizer for damping of Low frequency oscillations
Wang ADRC and feedforward hybrid control system of PMSM
CN110518625A (zh) 一种可变学习率bp-pid控制的并网逆变器直流分量抑制方法
Wei et al. Model-Free Predictive Current Control Using Extended Affine Ultralocal for PMSM Drives
CN108983618A (zh) 基于凸多胞形的pmsm鲁棒h∞输出反馈控制设计方法
Wang et al. A high performance permanent magnet synchronous motor servo system using predictive functional control and Kalman filter
Zhao et al. Disturbance Rejection Enhancement of Vector Controlled PMSM Using Second-order Nonlinear ADRC
Mohandas Modern Control Engineering
Eker et al. An assessment of active disturbance rejection technique from a theoretical perspective
Geweth et al. An Observer based Field Oriented Economic Model Predictive Control Approach for Permanent Magnet Synchronous Motors
CN114142782B (zh) 一种异步电机执行器故障的估计与补偿方法
Kanchanaharuthai et al. Adaptive dynamic surface control for higher-order model of synchronous generators
Mishra Finite-time sliding mode control strategies and their applications

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant